Simulasi Desain Kendali Untuk Pendingin Ikan Portable Berbasis Panel Surya Menggunakan Reinforcement Learning
Date
2022-08-07Metadata
Show full item recordAbstract
Pendingin ikan portable biasa digunakan pada nelayan-nelayan kecil di Indonesia.
Pada umumnya pendingin ikan portable menggunakan bongkahan es batu dalam
mengawetkan ikan hasil tangkapan. Penggunaan es batu untuk mengawetkan
tangkapan ikan cukup populer karena harganya yang murah dan mudah
didapatkan. Namun penggunaan es batu dapat menambah bobot muatan kapal,
sehingga tidak dapat memaksimalkan ruang penyimpanan tangkapan ikan. Salah
satu alternatif mendinginkan ikan hasil tangkapan yaitu menggunakan panel surya
sebagai energi untuk mendinginkan ikan. Sistem pendinginan ini menggunakan
metode reinforcement learning. Penelitian ini mengujicobakan beberapa metode
policy reinforcement learning untuk mengamati tingkat akurat dari setiap
metodenya. Metode reinforcement learning yang digunakan yaitu Proximal Policy
Optimization (PPO), Advantage Actor Critic(A2C), dan Soft Actor Critic (SAC).
Dari ketiga metode reinforcement learning, Model algoritma PPO dan A2C pada
saat learning rate 0.001 dan timesteps 100000 memiliki tingkat akurasi yang
cukup baik untuk tetap menjaga di suhu target. Namun, A2C cenderung lebih
stabil dibandingkan PPO. Keunggulan kontroler PID lebih stabil dibandingkan
dengan A2C Namun, PID membutuhkan tinjaun lebih dalam untuk mengurangi
undershoot sehingga dapat mencapai suhu target lebih cepat.